RPA在企业数字化转型中的作用日渐凸显,RPA不仅可以模拟人类,而且可以利用和融合现有各项技术,实现其流程自动化的目标。
特别是随着人工智能技术的日益成熟,人工智能与机器人流程自动化有效结合,进行复杂场景的智能决策,其功能更加完善,应用场景更加广泛,适用范围更广,RPA机器人更加智能。
近日,UiPath推出2021.10平台,其加强了核心机器人流程自动化(RPA)解决方案,同时首次推出基于UI和API的企业级自动化功能,提供企业级自动化管理、可靠性、治理和安全性,并加快了开发人员构建自动化流程以及用户实施自动化流程的方式。
UiPath大中华区总裁吴威告诉记者,RPA市场快速发展,关注RPA的用户也在增加,这来自多个方面:观念、认知以及技能等。伴随着UiPath的上市,其不断提升服务水平和产品能力,正在引领RPA市场的健康发展。
与此同时,UiPath正在加大对中国市场的投入,2021.10新版本的几个功能就是专为中国市场而设计,例如支持Linux环境的部署、本地化部署、集成服务支持钉钉、微信等本地市场特色的软件等。
新平台新功能
UiPath每年有两次产品更新,UiPath中国区全球服务总监陈磊表示,UiPath产品是为了打造或者赋能全面自动化企业,而全面自动化企业包含四个方面的内容:一支机器人队伍、人手一个机器人、平民化的开发和在工作的方方面面应用人工智能。这四个方面组成了企业自动化的”飞轮“。
依靠全球化的产品团队,以及持续的、云优先的发布节奏,UiPath打造过硬的产品。UiPath产品分成云端版本、社区版本、预览版本和真正交付给客户使用的正式版本。云端版本每两周都会发布一次,社区版和预览版每个月发布一次,正式版本是每年发布两次,一个是4月份的春季版,一个是10月份的秋季版。
2021.10新版本为全面自动化企业推动核心自动化战略,它是UiPath迄今为止最大一次产品迭代,涉及100多项功能优化。是目前全球最先进的自动化平台,也是未来自动化的稳固基础。
其创新功能包括:UiPath集成服务、支持自动化在企业中发挥关键作用、加速自动化的开发和使用、引领云原生自动化。
陈磊表示,2021.10新版本功能更新既有新增,又有云端转成本地部署模式,以及跨平台实现。例如UiPath客户现在可以获得强大的API和UI集成,像使用UI一样在UiPath Studio中简单、轻松地使用API,打通不同系统之间的数据。
此外,借助与CrowdStrike的端点保护集成,UiPath成为业内首家为RPA提供端点保护的企业。开发人员可以通过新的机器学习运营解决方案将其企业的数据科学以及UiPath合作伙伴的模型直接引入AI Center。开发人员现在可以为Linux构建自动化流程。对于平民开发者而言,它提供了OneDrive和SharePoint集成功能,StudioX中的对象库现在可以自动捕捉和编纂源代码,并创建一个可重复使用的组件库。对于最终用户而言,Assistant与UiPath应用市场之间的全新集成使得利用快速增长且简单易用的应用市场自动化流程变得更加简单。
如今云原生技术非常流行,2021.10新版本是业内首款单次安装容器化软件包,提供所有通过Kubernetes进行容器化的UiPath服务器产品,并与内置的平台管理工具集成并交付,这样客户可以选择通过本地部署、公有云或是第三方托管服务来交付UiPath平台。
从以上更新我们可以看到UiPath在RPA方面的新思考,谈及未来,陈磊认为RPA产品未来会呈现六大趋势:核心功能的增强,囊括云端与本地化;加强自动化治理;人工智能技术与自动化流程的融合;人机交互革新,方便人和机器人的沟通;低代码或者零代码,也就是开发的平民化;一人一机,机器人成为人的得力助手。
好文章,需要你的鼓励
研究人员正探索AI能否预测昏迷患者的医疗意愿,帮助医生做出生死决策。华盛顿大学研究员Ahmad正推进首个AI代理人试点项目,通过分析患者医疗数据预测其偏好。虽然准确率可达三分之二,但专家担心AI无法捕捉患者价值观的复杂性和动态变化。医生强调AI只能作为辅助工具,不应替代人类代理人,因为生死决策依赖具体情境且充满伦理挑战。
哥伦比亚大学研究团队开发了MathBode动态诊断工具,通过让数学题参数按正弦波变化来测试AI的动态推理能力。研究发现传统静态测试掩盖了AI的重要缺陷:几乎所有模型都表现出低通滤波特征和相位滞后现象,即在处理快速变化时会出现失真和延迟。该方法覆盖五个数学家族的测试,为AI模型选择和部署提供了新的评估维度。
麻省理工学院研究发现过度依赖AI会导致认知债务,削弱基本思维能力。研究表明交替进行无辅助思考和AI支持工作的模式能保持认知敏锐度。这种认知高强度间歇训练模仿体能训练中的HIIT模式,通过短时间高强度思考与恢复期交替进行,可以强化大脑神经回路,防止认知衰退,提升独立思考能力。
这项研究首次发现AI推理模型存在"雪球效应"问题——推理过程中的小错误会逐步放大,导致AI要么给出危险回答,要么过度拒绝正常请求。研究团队提出AdvChain方法,通过训练AI学习"错误-纠正"过程来获得自我纠错能力。实验显示该方法显著提升了AI的安全性和实用性,用1000个样本达到了传统方法15000个样本的效果,为AI安全训练开辟了新方向。